在深度学习模型训练的过程中，常见的优化器有哪些？（）

A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题

B.CNN相比于全连接的优势之一是模型复杂度低，缓解过拟合

C.只要参数设置合理，深度学习的效果至少应优于随机算法

D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题

A.能够让深度学习工程师快速地实现自己的想法

B.在更好更快的计算机上能够帮助一个团队减少迭代(训练)的时间

C.在数据量很多的数据集上训练上的时间要快于小数据集

D.使用更新的深度学习算法可以使我们能够更快地训练好模型(即使更换CPU/GPU硬件)

A.改变算法

B.增加数据量

C.增加模型训练的层次

D.增加标签量

A.Gradient Descent Optimizer

B.Adam Optimizer

C.Adadelta Optimizer

D.Adagrad Optimizer

A.GoogLeNet的两个辅助分类器的主要目的是增加分类子模型，提高分类准确度

B.为适应不同大学的图形特征的获取，采用了多种大小的卷积核

C.网络的宽度和深度都得到了加强，特征获得更充分

D.通过线性堆叠各种Inception模块，在不明显增加网络课训练参数的情况下，提升网络的性能

A.是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科

B.研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能

C.机器学习强调三个关键词：算法、模型、训练

D.基于数据的机器学习是现代智能技术中的重要方法之一

A.经验风险指模型关于联合分布期望损失，期望风险指模型关于训练样本集平均损失

B.在有监督学习的训练过程中，经验风险大和期望风险大被称为过学习

C.在有监督学习的训练过程中，经验风险小和期望风险大被称为欠学习

D.期望风险指模型关于联合分布期望损失，经验风险指模型关于训练样本集平均损失

A.正则化过低且模型过度拟合

B.正则化过高，模型不适合

C.步长太大

D.步长太小

A.TRUE

B.FALSE